Bristol Myers Squibb perka Nvidia DGX SuperPOD, sukurtą remiantis lustų gamintojo Vera Rubin architektūra, kad palaikytų dirbtinio intelekto naudojimą vaistų atradimo ir kūrimo operacijose.
Farmacijos kompanija teigė, kad tai bus pirmoji gyvybės mokslų grupė, įsigijusi DGX SuperPOD, pagrįstą Vera Rubin. „Nvidia“ anksčiau šiais metais pristatė architektūrą kaip dabartinės kartos AI skaičiavimo sistemų įpėdinį.
Skaičiavimo pajėgumų išplėtimas
Naują klasterį sudarys aštuonios DGX Vera Rubin NVL72 sistemos, kurių kiekvienoje stovo mastelio sistemoje bus sujungti Nvidia Vera centriniai procesoriai ir Rubin grafikos apdorojimo įrenginiai.
BMS naudos infrastruktūrą, kad mokytų patentuotus modelius ir vykdytų prognozes visose savo tyrimų programose. Sistema rems darbą, susijusį su junginiais, baltymais ir kitais moksliniais duomenimis.
Finansinės sąlygos nebuvo atskleistos. Pirkimas išplečia esamą BMS „Nvidia“ infrastruktūrą, apimančią senesnį „SuperPOD“, kurį įmonės vadovai apibūdino kaip dvi ar tris kartas, atsilikusias nuo Vera Rubin.
BMS savo esamą DGX SuperPOD eksploatavo maždaug trejus metus. Bendrovė planuoja sujungti ją su Vera Rubin sistema bendroje skaičiavimo aplinkoje, pasiekiamoje iš jos tyrimų vietų visame pasaulyje.
SuperPOD programinės įrangos krūva gali suplanuoti mokymo, numatymo ir plėtros darbo krūvius visoje infrastruktūroje. BMS teigė, kad išplėsta aplinka suteiks daugiau mokslininkų tiesioginę prieigą prie savo skaičiavimo išteklių.
Gregas Meyersas, BMS vyriausiasis skaitmeninių ir technologijų pareigūnas, teigė, kad skaičiavimo reikalavimai išaugo, nes bendrovė savo mokslinių tyrimų organizacijoje diegia didesnius AI modelius.
Erin Davis, BMS tyrimų verslo įžvalgų ir technologijų viceprezidentė, sakė, kad esama infrastruktūra veikia visu pajėgumu. Ji priskyrė paklausą didelio masto prognozėms, susijusioms su didelėmis molekulėmis, ir vidinių pamatų modelių kūrimu.
Davisas teigė, kad naujoji sistema neapsiribos nedidele skaičiavimo tyrinėtojų grupe. BMS planuoja padaryti jį prieinamą visoje mokslinių tyrimų organizacijoje be laukimo laikotarpių ir prieigos apribojimų, susijusių su dabartine infrastruktūra.
AI taikymas ieškant vaistų
BMS teigė, kad AI informuoja apie kiekvienos mažos molekulės programos dizainą ir daugumą jos didelių molekulių programų. Ši technologija taikoma taikinių identifikavimui, švino optimizavimui, didelių molekulių prognozėms ir vidinio modelio kūrimui.
Bendrovė teigė, kad taikinio identifikavimas su dirbtiniu intelektu sumažino kai kuriuos rankinio tyrimo darbus keliomis savaitėmis. Didelės molekulės prognozavimo darbo krūviai taip pat prisideda prie papildomų grafikos apdorojimo pajėgumų paklausos.
Robertas Plenge’as, BMS vyriausiasis tyrimų pareigūnas, sakė, kad naujoji sistema leis mokslininkams įvertinti daugiau potencialių vaistų kandidatų ankstyvosiose kūrimo stadijose.
„Gal anksčiau, nei galėjome padaryti 10, o dabar galime padaryti dešimtis“, – sakė Plenge.
Skaičiavimo atranka leidžia tyrėjams įvertinti galimus junginius prieš pasirenkant mažesnę grupę sintezei ir laboratoriniams tyrimams.
BMS taiko šį metodą naudodamas metodą, vadinamą „Pirmiausia nuspėti“, kuris naudoja modelio sugeneruotas prognozes, kad pašalintų molekules, kurios neatitinka reikiamų savybių, prieš atrenkant kandidatus sintezei.
Payalas Shethas, BMS terapinių atradimų mokslų vyresnysis viceprezidentas, teigė, kad mokslininkai naudoja prognozes, kad nustatytų molekules, turinčias reikiamą savybių derinį.
„Mes naudojame prognozes kaip būdą, kaip pirmenybę teikti molekulių sintezei optimizuojant kelis parametrus”, – sakė Shethas. „Tai užtikrina, kad vertingi laboratoriniai eksperimentai būtų suderinti su progresuojančiomis molekulėmis, kurios turi didžiausią sėkmės tikimybę.
Šis metodas susiaurina junginių, siunčiamų laboratoriniams tyrimams, skaičių, todėl mokslininkai gali sutelkti eksperimentus į molekules, kurios atitinka numatytus programos reikalavimus.
BMS taip pat naudojo AI, kad išplėstų savo CELMoD junginių biblioteką, kuri yra sukurta selektyviai skaidyti vėžį sukeliančius baltymus. Bendrovė tiria junginius nuo kraujo vėžio ir kitų ligų.
BMS teigė, kad modeliavimo darbai padėjo mokslininkams ištirti papildomus baltymų taikinius ir galimus junginius prieš nuspręsdami, kuriuos kandidatus eksperimentuoti.
Bendrovė taip pat naudoja dirbtinio intelekto įrankius, kad sutrumpintų klinikiniams tyrimams reikalingų vaistų gamybos laiką. Plenge teigė, kad procesas jau buvo sumažintas 20–30%, o ateinančiais metais gali pasiekti 50%.
Jis paminėjo eksperimentinį pjautuvinių ląstelių ligos gydymą ankstyvoje klinikinėje raidoje kaip vieną AI remiamų tyrimų pavyzdį. Plenge teigė, kad gydymas tikriausiai nebūtų buvęs rastas be bendrovės AI įrankių.
Skaičiai nurodo laiką, kurio reikia norint nustatyti ir pateikti kandidatus klinikiniams tyrimams, o ne jų tolesnius rezultatus bandymuose.
„Vera Rubin“ sistema taip pat suteiks tyrėjams prieigą prie „Nvidia“ „BioNeMo Agent Toolkit“, skirto biologinėms ir vaistų atradimo programoms.
BioNeMo suteikia įrankius baltymų struktūros prognozavimui, molekulių generavimui, molekuliniam prijungimui, sekos analizei ir genomikai. Jis taip pat gali sujungti keletą skaičiavimo įrankių toje pačioje tyrimo darbo eigoje.
BMS vadovai teigė, kad žmonių tyrinėtojai ir toliau peržiūrės modelio rezultatus ir nuspręs, kurie junginiai ar programos turėtų būti tobulinami.
Tyrimų svetainių sujungimas
BMS pristato įrankius, skirtus sumažinti specialistų žinias, reikalingas sudėtingoms skaičiavimo užduotims pradėti. Bendrovė teigė, kad mokslininkai galės pradėti kai kuriuos numatymo užklausas naudodami instrukcijas natūralia kalba.
Remiantis BMS, aplinka bus valdoma per „Nvidia Mission Control“, kurios funkcijos apima grupių aprūpinimą, infrastruktūros stebėjimą ir darbo krūvio valdymą.
Suvienodinta infrastruktūra leis vienoje vietoje sugeneruotus duomenis ir modelius naudoti komandoms kitur. BMS teigė, kad, pavyzdžiui, Lawrenceville, Naujojo Džersio valstijoje, programos duomenų rinkiniai gali būti įtraukti į modelius, kuriuos naudoja San Diego mokslininkai.
Shethas teigė, kad bendra aplinka skirta išsaugoti informaciją iš eksperimentų ir tyrimų programų visoje organizacijoje.
„Skaičiavimo infrastruktūra yra tai, kas sujungia visus mūsų mokslininkus ir užtikrina, kad mūsų mokymasis būtų institucionalizuotas“, – sakė Shethas.
Du SuperPOD veiks per bendrą duomenų aplinką, leisdami komandoms skirtingose vietose pasiekti bendrus duomenų rinkinius ir modelių išvestis. BMS teigė, kad aplinka apims informaciją iš eksperimentų, klinikinių rodmenų ir mokslinių tyrimų partnerystės.
Bendrovė planuoja paskirstyti naujus skaičiavimo pajėgumus mažų ir didelių molekulių projektavimui, klinikiniams tyrimams ir skaitmeninėms dviguboms programoms. BMS nepateikė detalių apie planuojamus skaitmeninius dvynius ar kiekvienai sričiai priskirtą pajėgumų kiekį.
Meyersas teigė, kad „Vera Rubin“ sistema suteiks daugiau skaičiavimo pajėgumų, palyginti su jos elektros suvartojimu. BMS ir Nvidia teigė, kad aštuonių sistemų klasteris suteiks iki 10 kartų didesnį našumą vienam megavatui infrastruktūros, kurią jis pakeičia.
„Kai priimate šiuos dalykus, turite sumokėti elektros sąskaitą“, – sakė Meyersas. „Pagalvokite apie tai, kaip 10 kartų daugiau skaičiavimo galios vienam sunaudotam vatui… Elektra nebėra pigesnė.
BMS nenurodė konkrečios diegimo datos arba nenurodė, kur bus priglobta nauja sistema.
(Nuotrauka Chidera Faustina Okeke)
Taip pat žiūrėkite: JAV visuomenės sveikatos agentūros, kurios išbandys OpenAI ir Antropinio AI modelius
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais, įskaitant „Cyber Security & Cloud Expo“. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
